数字图像处理大作业，图像细粒度分类，CUB-200-2011，Peking University
2022-05-31 14:06:39
4.76MB
MMAL网
这是论文用于细粒度的PyTorch实施（张帆，李萌，翟桂生，刘亦钊）由第27届国际多媒体建模国际会议（MMM2021）提供。 欢迎与我们讨论问题！
目录
要求
的Python 3.7
pytorch 1.3.1
numpy的1.17.3
scikit图像0.16.2
Tensorboard 1.15.0
TensorboardX 2.0
tqdm 4.41.1
图像2.6.1
枕头6.1.0
数据集
下载数据集，并将提取的图像文件夹的内容复制到datasets / CUB 200-2011 / images中。
下载数据集并将提取的data / images文件夹的内容复制到datasets / FGVC_Aircraft / data / images ）
您也可以尝试其他细粒度的数据集。
培训TBMSL-Net
如果要训练MMAL-Net，请在运行py
2022-05-09 20:22:52
7.35MB
1
Digital-Image-Processing-Project
数字图像处理大作业，图像细粒度分类，CUB-200-2011，Peking University
2021-12-24 17:24:48
4.76MB
1
从单个2D图像生成3D模型而无需渲染的有效损失函数
|
诺维萨德大学剑桥大学
引文
如果您发现此代码对您的研究有用，请引用我们的论文。
@article{zubic2021effective,
title={An Effective Loss Function for Generating 3D Models from Single 2D Image without Rendering},
author={Zubi{\'c}, Nikola and Li{\`o}, Pietro},
journal={arXiv preprint arXiv:2103.03390},
year={2021}
}
先决条件
下载代码： Git使用以下命令克隆代码：
git clone https://github.com/NikolaZubic/2dimageto3dmodel.git
2021-09-16 14:21:40
169.98MB
1